• 식물분류학회지
• /
• 제51권1호
• /
• pp.49-99
• /
• 2021

광덕산은 충청남도 천안시와 아산시의 경계에 위치한, 이 일대에서는 가장 높은 산이다. 본 연구에서는 2015년 4월부터 2017년 10월까지 총 20회에 걸쳐 광덕산의 관속식물상을 조사하여, 97과 287속 428종 9아종 30변종 1품종의 총 468분류군을 확인하였다. 이 중 특산식물, 식물구계학적특정식물, 국외반출승인대상종, 희귀식물 및 멸종위기야생식물, 그리고 외래식물 및 생태계교란식물에 해당하는 58과 112속 129분류군이 주요식물로 조사되었다. 광덕산의 식물상은 크게 남동방면, 남서방면, 북방면, 정상부의 4개 구역으로 구분되었으며, 각 구역별로 분포하는 식물상이 뚜렷이 구분되었다. 광덕산의 식물상에 대한 본 조사 결과와 이전의 조사 결과를 종합하여 볼 때, 광덕산은 식물구계학적으로 중요한 의미가 있다고 생각되어 보전 및 연구가치가 큰 것으로 판단된다.

• 대기
• /
• 제21권4호
• /
• pp.447-454
• /
• 2011

As dust storms originated in Neimongu Plateau and Manchuria became more frequent in Korea, there was a growing need for Asian Dust (Hwangsa) monitoring stations in North Korea, which is a pathway of Asian Dust to South Korea. The South Korean and the North Korean Governments agreed to build the Automatic Weather System and the PM10 measurement instruments in the Gaeseong Industrial Zone and the Keumgangsan Tourist Region, North Korea in 2007. PM10 mass concentration data in the Keumgangsan Tourist Region could be collected only during the period from September 2007 to May 2008. In this study, daily, monthly and diurnal variations of PM10 mass concentration of the Keumgangsan are analyzed and compared with those of Sokcho and Gwangdeoksan. Three sites show similar variations in daily and monthly means. Correlation coefficients (r) between Sokcho and Keumgangsan, and between Gwangdeoksan and Keumgangsan are 0.89 and 0.67, respectively. But diurnal variation at Keumgangsan has a distinct feature compared to the other sites. Diurnal PM10 variation shows two peaks around 8 AM and 4-5 PM and very low at night. The difference between the daily maximum and minimum is $20{\sim}60{\mu}g\;m^{-3}$ during September to November 2007. Temperature, relative humidity and wind speed from the Keumgangsan AWS data were compared with those from the Changjon station, and showed good correlation each other except wind speed.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1159-1172
• /
• 2020

본 연구에서는 강우예측을 위해 U-Net과 SegNet에 기반한 합성곱 신경망 네트워크 구조에 장기간의 국내 기상레이더 자료를 활용하여 심층학습기반의 강우예측을 수행하였다. 또한, 기존 외삽기반의 강우예측 기법인 이류모델의 결과와 비교 평가하였다. 심층신경망의 학습 및 검정을 위해 2010부터 2016년 동안의 기상청 관악산과 광덕산 레이더의 원자료를 수집, 1 km 공간해상도를 갖는 480 × 480의 픽셀의 회색조 영상으로 변환하여 HDF5 형태의 데이터를 구축하였다. 구축된 데이터로 30분 전부터 현재까지 10분 간격의 연속된 레이더 영상 4개를 이용하여 10분 후의 강수량을 예측하도록 심층신경망 모델을 학습하였으며, 학습된 심층신경망 모델로 60분의 선행예측을 수행하기 위해 예측값을 반복 사용하는 재귀적 방식을 적용하였다. 심층신경망 예측모델의 성능 평가를 위해 2017년에 발생한 24개의 호우사례에 대해 선행 60분까지 강우예측을 수행하였다. 임계강우강도 0.1, 1, 5 mm/hr에서 평균절대오차와 임계성공지수를 산정하여 예측성능을 평가한 결과, 강우강도 임계 값 0.1, 1 mm/hr의 경우 MAE는 60분 선행예측까지, CSI는 선행예측 50분까지 참조 예측모델인 이류모델이 보다 우수한 성능을 보였다. 특히, 5 mm/hr 이하의 약한 강우에 대해서는 심층신경망 예측모델이 이류모델보다 대체적으로 좋은 성능을 보였지만, 5 mm/hr의 임계 값에 대한 평가결과 심층신경망 예측모델은 고강도의 뚜렷한 강수 특징을 예측하는 데 한계가 있었다. 심층신경망 예측모델은 예측시간이 길어질수록 공간 평활화되는 경향이 뚜렷해지며, 이로 인해 강우 예측의 정확도가 저하되었다. 이류모델은 뚜렷한 강수 특성을 보존하기 때문에 강한 강도 (>5 mm/hr)에 대해 심층신경망 예측모델을 능가하지만, 강우 위치가 잘못 이동하는 경향이 있다. 본 연구결과는 이후 심층신경망을 이용한 레이더 강우 예측기술의 개발과 개선에 도움이 될 수 있을 것으로 판단된다. 또한, 본 연구에서 구축한 대용량 기상레이더 자료는 향후 후속연구에 활용될 수 있도록 개방형 저장소를 통해 제공될 예정이다.